为您找到264个相关课程
展开简介
收益目标：1.深刻理解在“互联网+”时代下大数据的产生背景、发展历程和演化趋势； 2.了解业界市场需求和国内外最新的大数据技术潮流，洞察大数据的潜在价值； 3.理解大数据项目解决方案及业界大数据应用案例，从而为企业在大数据项目中的技术选型及技术架构设计提供决策参考； 4.掌握业界最流行的Hadoop与Spark大数据技术体系； 5.掌握大数据采集技术； 6.掌握大数据分布式存储技术； 7.掌握NoSQL与NewSQL分布式数据库技术； 8.掌握大数据仓库与统计机器学习技术； 9.掌握大数据分析挖掘与商业智能（BI）技术； 10.掌握大数据离线处理技术； 11.掌握Storm流式大数据
适应人群：1．小型企业的技术负责人； 2. 大中型企业的数据部门相关人员、或是对数据感兴趣的其他部门的研发总监、部门经理、一线研发工程师等人员均可；
关键词：互联网，大数据
收益目标：本课程将围绕大数据最本质的特点—智能化为主线，从大数据的产品思维、数据分析重要工具、数据挖掘核心技术等层面，从浏览型互联网应用、社交网络型互联网应用等多角度多领域做实站案例讲解。 该课程使学员：理解大数据基本概率、理解大数据产品设计思维、理解大数据基础技术架构 掌握社交图谱挖掘的一到两个经典数据挖掘案例的解决方案 掌握社交好友推荐中一到两个经典案例的解决方案 掌握如何搭建一个实用的推荐引擎的方法； 掌握数据挖掘的经典方法论：数据挖掘过程、模型评估标准等 侧重掌握最普遍使用的分类预测技术的方法，轻松理解分类预测技术的重难点主题及一些新技术：模型优化的原理、Overfitting和Un
适应人群：数据挖掘工程师、数据分析师、大数据工程师、算法专家、项目经理、技术经理、数据产品经理以及其他具有一定数据挖掘经验的人员。
关键词：互联网，电商，互联网金融，安全，快消品，其他，大数据，数据挖掘
收益目标：暂无
适应人群：企业运营管理、产品运营、产品营销、客户服务、数据挖掘、数据分析和数据技术等方 面相关负责人。
关键词：互联网
适应人群：暂无
关键词：其他，大数据
收益目标：了解大数据平台的技术背景、基本知识、常识及术语。 学员通过学习本课程，能够熟悉大数据行业和分布式系统的技术核心知识点； 通过Hadoop、Hive、Spark、HBase知识的学习，能够掌握大数据应用的开发和运维能力， 并能够掌握海量数据处 理的编码和性能调优经验。 熟悉中国互联网公司（如阿里巴巴、腾讯）的大数据平台中各组件的技术应用和最佳实践。 了解大数据平台在互联网业务及地理信息系统的应用。
适应人群：拥有一定研发经验，希望行业前研经验和应用有所了解的学员。 所有对《大数据平台及地理信息应用》感兴趣的学员。
关键词：互联网，电商，大数据，大数据平台，大数据、架构、Hadoop、飞天、数据中台、地理信息
收益目标：a) 熟悉HDFS与Yarn实现原理及最佳实践 b) 掌握Spark核心原理，包括但不限于Spark Job的执行过程，Shuffle机制 c) 了解如何对Spark Job进行性能优化，包括但不限于参数调优，数据倾斜优化，代码调优 d) 掌握Spark Streaming的原理及使用方式，并掌握如何结合Spark Streaming和Kafka实现正好一次处理语义 e) 掌握Spark SQL的使用和优化方式，了解SQL引擎的原理 f) 掌握使用Spark MLlib解决机器学习问题的一般方法
适应人群：a) 大数据产品开发工程师 b) 大数据运维工程师 c) 大数据架构师
关键词：互联网，Spark，分布式，大数据，机器学习，SQL
收益目标：1. 听众可以了解工业大数据平台的架构演进 2. 听众可以了解真正用于工业领域的平台在实战过程的碰到的问题 3. 目前的工业大数据平台的先进技术。
关键词：互联网，人工智能，大数据，云计算，机器学习，SaaS，大数据平台
关键词：其他，SQL，Docker
收益目标：1. 数据仓库和数据湖的概念和架构 2. 数据建模的技术、流程和注意点 3. 数据整合、处理和展示的流程 4. 基于大数据平台实现数据仓库、数据湖的技术和案例分享 5. 电信和银行等传统行业大数据平台数据仓库、数据湖的落地案例和经验分享 6. 关系模型和维度模型的应用场景
适应人群：数据架构师、数据分析和挖掘人员、模型师、大数据架构师、ETL 开发工程师、业务人员
关键词：其他，大数据，大数据平台，企业级
收益目标：通过该课程学习，洞悉Hadoop，NoSQL与Spark等技术的原理、架构与技术手段；结合丰富实例掌握其设计与开发方法，以及掌握如软件架构、性能调优等使用过程中的实用技巧；深入了解Hadoop，NoSQL，Spark体系中各成员，理解Hadoop，NoSQL，Spark成员各自的优、缺点与正确适用场景，了解技术最新发展动向，能对Hadoop，NoSQL与Spark体系在学员企业、学员项目、学员研发中是否可用、如何定位以及如何使用做出正确判断与学习，并且对如何结合大数据技术规划企业数据架构得到相当的启发与收获。
适应人群：企业中高层技术管理人员、企业技术战略决策者、软件架构师、软件研发人员与大数据技术爱好者，有大数据及海量数据管理与处理需求的企业优先。
关键词：传统金融，互联网金融
收益目标：1. 理解数据科学在大数据领域的作用价值 2, 理解数据科学与传统BI的区别 3. 理解数据科学、人工智能如何解决企业客户的需求 4．理解机器学习构建的基本流程方法
关键词：电信，大数据，数据挖掘，BI
活动详情
To Be Better
注册或 找回密码?
